8随机变量及其分布教学课程.pptVIP

0 57 54.399 6 273 253.817 1 203 210.523 7 139 140.325 2 383 407.361 8 45 67.882 3 525 525.496 9 27 29.189 4 532 508.418 16 17.075 5 408 393.515 总数 2608 2608.000 例4（卢瑟福实验） 表示在间隔 7. 5 秒内出 个 质点数的放射性物质个数。 观测值与理论值吻合较好，因此 。 0 0.2537 0.2541 1 0.3484 0.3481 2 0.2388 0.2385 3 0.1089 0.1089 4 0.0372 0.0373 5 0.0101 0.0102 6 0.0023 0.0023 例5（生日问题） ， 表示恰有 个人的生日是元旦的概率。 二项分布的概率值与泊松分布的概率值相当逼近。 当 很大而 很小时 （3）几何分布 设随机变量 的概率分布为 这里 ，则称 服从参数为 的几何分布，记为 例如， 重伯努利实验中，事件 首次发生时的实验次数，即事件 的首发生次数服从几何分布 三、连续型随机变量及其分布密度 1、连续型随机变量的定义和性质 定义2 对于随机变量 ，如果存在非负可积函数 ，使得 取值于任一区间 的概率为 则称 为连续型随机变量，并称 为 的分布密度（函数）。 分布密度 具有下面的两条性质： 反之，如果某个函数满足这两条性质，则该函数可以作为某个连续型随机变量的分布密度。 从定义看，对于连续型随机变量，由于其取值不是集中在有限个或可列个点上，所以考察其取值于一点的概率往往意义不大，也即此时概率为零。也就是说，概率为零的事件不一定是不可能事件。 f (x) 0 x 1 密度函数的几何意义为 例6 已知连续型随机变量 的分布密度为 求： （1） ；（2） 。 解： 所以 （1）均匀分布 2、几种常见的连续型随机变量的分布 例如，公共汽车每15分钟一班。则乘客的候车时间服从参数为 的均匀分布 。 设随机变量 的分布密度为 则称 服从参数为 的均匀分布，记为 （2）指数分布 实际生活中，指数分布常作为某个事件发生的等待时间的分布而出现，例如，一场新的战争爆发的时间间隔，电子仪器的无故障使用时间，等等，都服从指数分布。 设随机变量 的分布密度为 则称 服从参数为 的指数分布，记为 （3）正态分布 设随机变量 的分布密度为“钟型”曲线函数 则称 服从参数为 的正态分布，记为 0 Y X 实际生活中，大量的随机变量都服从或近似服从正态分布。例如，人的身高，测量的误差，农作物产量，射击时弹着点与目标的相对位置，等等。 特别地，称 的正态分布为标准正态分布，其密度函数为“钟型”曲线函数 * * 公共数学教研室李继根 第八章 初等概率论 随机事件 随机事件的概率 随机变量及其分布 随机变量的数字特征 §3 随机变量及其分布 一、随机变量---随机现象的函数化 把随机试验的结果或事件数量化，即把样本空间中的样本点 与实数联系起来，建立起所谓的随机变量，即其值随着实验结果的不同而随机地取各种不同值的变量。 定义1 对于某随机实验的样本空间中的任何一个样本点 ，都有唯一的实数 与之对应，则称 为随机变量。 例1 抛硬币两次，可得样本空间 如果用 表示反面朝上的次数，则 ={正，正}， ={反，反}。 ={反，正}， ={正，反}， 引入随机变量后，随机事件就可以通过随机变量来表示。例如事件“出现一次正面朝上”就可以用 来表示。“候车时间少于2分钟”用 表示。 引入随机变量的最大好处是建立了随机现象与实数之间